李鵬飛

（晉能控股煤業(yè)集團(tuán)馬脊梁礦綜采隊，山西 大同 037001）

引言

采煤機(jī)作為井下綜采系統(tǒng)的關(guān)鍵設(shè)備，是實現(xiàn)煤礦高效安全運轉(zhuǎn)、改善井下人員工作環(huán)境的重要組成部分。在當(dāng)前技術(shù)狀態(tài)下，采煤機(jī)的控制方式仍然采用人工實時操作或進(jìn)行截割滾筒的路徑預(yù)設(shè)值方式進(jìn)行，人工實時操作主要依靠司機(jī)視力觀察或操作過程中截割滾筒反饋的各項振動、噪聲等因素對采煤機(jī)調(diào)高系統(tǒng)進(jìn)行控制，而截割滾筒路徑預(yù)設(shè)值控制方法是采煤機(jī)依據(jù)預(yù)設(shè)路徑進(jìn)行截割煤巖，同時對自身位移、牽引功率等信息進(jìn)行記錄，據(jù)此判斷下一工作段的滾筒高度調(diào)節(jié)及目標(biāo)路徑的修正[1]。隨著煤礦對高效生產(chǎn)的標(biāo)準(zhǔn)日益提高，采煤機(jī)自動化程度提高成為工作的重點，特別是采煤機(jī)滾筒的自動化、智能化控制成為采煤機(jī)自動控制研究的關(guān)鍵課題。

1 截割滾筒負(fù)載特性的分析

截割滾筒的工作對象為煤或煤巖混合物質(zhì)，而不同截割對象的物理屬性，包括密度、濕度、導(dǎo)電性等均有較大區(qū)別，截割滾筒的負(fù)載特性即在截割滾筒作用于不同對象時，其各項響應(yīng)信號的特征，對這些信號特征的采集是神經(jīng)網(wǎng)絡(luò)自適應(yīng)學(xué)習(xí)判斷的依據(jù)。

采煤機(jī)截割滾筒的主要負(fù)載為截割阻力、推進(jìn)阻力及截割阻力矩。通過截割驅(qū)動電機(jī)的電流變化可以用來研究截割阻力和截割阻力矩，牽引電機(jī)轉(zhuǎn)矩可以用來推算出推進(jìn)阻力，因此，負(fù)載特性分析主要通過對截割電流及牽引轉(zhuǎn)矩的信號采集和分析來實現(xiàn)[2]。信號采集依據(jù)某礦工作面實操過程，對截割滾筒高度、牽引轉(zhuǎn)矩及截割電機(jī)電流進(jìn)行時間獨立變量記錄。如圖1所示。

圖1 采煤機(jī)工作信號采集

對上述截割電機(jī)電流信號及牽引轉(zhuǎn)矩信號進(jìn)行分段，分別針對截割底板、正常截割及截割頂板三種工況進(jìn)行分析，得到電流信號在三種工況下的頻數(shù)直方圖如下頁圖2所示。

圖2 截割電機(jī)電流信號頻數(shù)直方圖

根據(jù)頻數(shù)直方圖可以看出，截割電機(jī)電流服從正態(tài)分布，且在正常截割工況下截割電流方差最小，截割力及截割力矩波動較小，截割頂板及截割底板時，電流均值較正常截割狀態(tài)大。

2 模糊RBF神經(jīng)網(wǎng)絡(luò)的分析

2.1 狀態(tài)分析

由于在截割過程中，特別是在截割頂板及底板時，截割面的煤、巖分布具有較大的隨機(jī)性，因此采煤機(jī)截割力和截割力矩所對應(yīng)的截割電機(jī)電流及牽引力矩等信號也是隨機(jī)量。根據(jù)上節(jié)分析，采煤機(jī)在一定工況下截割電機(jī)電流滿足特定均值的正態(tài)分布，因此截割力信號是滿足一定范圍的模糊性信號，通過模糊理論可進(jìn)行煤巖界面的定性分析，并通過神經(jīng)網(wǎng)絡(luò)的數(shù)值計算，進(jìn)行截割滾筒高度的自動識別控制。

為實現(xiàn)截割滾筒高度的歸一化控制，首先要對截割滾筒的工況進(jìn)行識別。對于一般的截割過程，大致可以分為正常截割、硬煤層截割、頂板截割、夾矸截割及斷層截割五種工況[3]，且每種工況各對應(yīng)不同的截割電流信號區(qū)間。如果采用嚴(yán)格的電流信號區(qū)間對截割高度模式進(jìn)行控制，則會發(fā)生截割滾筒頻繁調(diào)整、截割面不平整等問題。因此，需對截割模式進(jìn)行不斷學(xué)習(xí)改進(jìn)，選擇具有明顯區(qū)分功能的截割狀態(tài)識別特征，在保證最大限度出煤量的前提下減少滾筒調(diào)整次數(shù)。根據(jù)上節(jié)分析可以看出，截割電機(jī)電流均值在同一截割模式下非常接近，而在不同截割模式下差異較大，因此選取截割電機(jī)電流均值信號為采煤機(jī)截割狀態(tài)識別的特征之一，此外截割滾筒高度及異常截割持續(xù)時間也是截割模式判定的重要指標(biāo)[4]。因此選擇截割電機(jī)電流均值x1、異常截割持續(xù)時間x2及滾筒高度x3等三個變量為模糊神經(jīng)網(wǎng)絡(luò)輸入變量,而采煤機(jī)五種工作工況即為五個輸出變量(y1、…、y5)，對于每一組輸入變量均只對應(yīng)一種輸出變量發(fā)，見圖3。

圖3 模糊神經(jīng)網(wǎng)絡(luò)系統(tǒng)結(jié)構(gòu)

2.2 模糊推理規(guī)則

模糊RBF神經(jīng)網(wǎng)絡(luò)中三個輸入變量分別有m1、m2、m3，三個模糊子集共45條工作規(guī)則，根據(jù)采煤機(jī)實際工況，可以對這些規(guī)則進(jìn)行合并和簡化，從而得到如表1所示的工作狀態(tài)決策表。

表1 工況決策表

將上節(jié)中所屬采樣階段截割數(shù)據(jù)輸入至模糊RBF神經(jīng)網(wǎng)絡(luò)，并將實際工況作為識別結(jié)果，對模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。其訓(xùn)練流程如下頁圖4所示。

圖4 模糊神經(jīng)網(wǎng)絡(luò)訓(xùn)練示意圖

取訓(xùn)練性能指標(biāo)E=0.002，則訓(xùn)練過程的誤差變化曲線如下頁圖5所示。

由圖5可以看出，隨著訓(xùn)練步數(shù)的增加，結(jié)果誤差逐漸減小，當(dāng)訓(xùn)練超過150次后誤差基本滿足要求，神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)束。

圖5 模糊神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差曲線

根據(jù)上述神經(jīng)網(wǎng)絡(luò)自動分析過程，采用截割電機(jī)電流均值、截割狀態(tài)時間及滾筒高度三個易于獲取的變量作為輸入，得到截割滾筒工作模式的預(yù)設(shè)值方法，為采煤機(jī)持續(xù)穩(wěn)定的運行提供預(yù)判。

3 結(jié)論

1）采煤機(jī)截割滾筒的主要負(fù)載為截割阻力、推進(jìn)阻力及截割阻力矩，截割驅(qū)動電機(jī)的電流變化可以被用來研究截割阻力和截割阻力矩，牽引電機(jī)轉(zhuǎn)矩可以用來推算出推進(jìn)阻力；

2）截割電機(jī)電流服從正態(tài)分布，且電流均值在單一工作模式下波動較小，發(fā)生工作模式變化時電流有較大跳變，因此電流均值變化可作為工作模式變化的依據(jù)之一；

3）通過對截割電機(jī)電流均值、異常截割持續(xù)時間及滾筒高度等三個變量的輸入，建立模糊RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行深度學(xué)習(xí)，可進(jìn)行截割滾筒工作模型決策。該決策引入至采煤機(jī)控制系統(tǒng)可對工作模式進(jìn)行預(yù)判，使截割滾筒以合適的工作模式運行。